AI算不出战争中的"该不该"：智能化军事体系的真正风险在哪？

2027年，某国一套高度依赖AI的防空指挥系统，在一次强电磁干扰演习中全线失能。传感器数据失真，模型输出混乱，而长期依赖AI方案的指挥员，面对满屏噪声竟一时无法做出基本判断。这不是科幻情节，而是智能化军事体系正在逼近的真实风险：诡、诈、诱、算、胆、善的混合与融合。当所有人都在讨论AI能打多远、算多快时，一个更根本的问题被忽略了：AI的技术边界在哪里？当极端条件击穿这些边界，整个军事体系靠什么活下去？

军事智能不仅仅是科技，更是复杂系统！

和平时期，AI可以在模拟推演中算出一万种最优方案；极端战场上，它可能连一个简单的"打还是不打"都无法回答。前者是计算，后者是算计。计算可以交给机器，算计必须留在人。这一看似简单的区分，恰恰决定了智能化军事体系在极端条件下能否维持最基础的博弈能力。
当前全球军事智能化建设，普遍存在一种技术乐观假设：只要算力、大模型、无人平台持续迭代，依靠AI就能够独立完成态势感知、目标识别、作战规划、火力打击的全链路闭环，甚至在高强度对抗、极端战场条件下自主取得博弈优势。人机环境体系智能理论则提出完全不同的判断：AI本质只能完成确定性的计算，不具备“意”层面的算计（尤其是在复杂博弈环境下）；军事智能不是机器的单向能力，而是人、机、战场环境三元持续激荡涌现出来的系统能力。AI存在固有的技术边界，其内在局限会在对抗升级、极端条件下被急剧放大，直接冲击智能化军事体系的根基。维持极端场景下基础博弈能力，核心不是追求AI全自主，而是守住人机环境三元耦合的动态协同机制。
一、AI与生俱来的技术边界：只能做计算，无法生成算计
AI的底层能力，建立在统计拟合、模式匹配与数值优化之上，天然限定在计算范畴。

无论是目标检测大模型、战场态势推演系统、无人集群调度算法，所有AI输出，都是基于历史样本、给定规则、预设奖励函数完成量化求解。它可以快速处理海量传感器数据、模拟多条作战路线、计算拦截窗口、评估装备损耗。但AI没有主观意图、价值取舍、共情理解与跨域创造性研判能力，也就是不具备算计。
1. AI只能识别已训练分布内的目标，面对分布外、从未见过的突发态势会快速失效。敌方创新战术、伪装欺骗、非常规突袭手段，不在训练样本库内，AI极易出现误判、漏判。

2. AI无法自主定义作战目标。任务的优先级、代价权衡、政治边界、伦理底线，都需要由人的“意”来设定。AI只能在给定目标框架内做最优求解，不能自主判断“仗要不要打、打到什么程度、牺牲哪些资源换取全局收益”。

3. AI不理解因果，仅捕捉相关性。战场大量事件是复杂因果交织，虚假信号、诱饵、佯攻带来的强相关假象，很容易误导模型推理，无法像指挥员一样穿透表象识别对手真实意图。
这就是AI不可突破的底层边界：AI可以算出多种可能性，但无法自主判断价值；擅长在既定框架内优化，不擅长在未知开放环境中重构目标。
二、人机环境激荡中，AI局限如何演变为智能化军事体系风险
在静态实验室环境中，AI的缺陷往往只是零星错误；一旦投入真实对抗战场，人、机、战场环境持续互相塑造、激荡演化，微小的模型缺陷会沿着三元交互链路链式放大，演变为体系级风险。
风险1：极端环境扰动造成感知链路崩塌，机器计算失真传导至人的算计
复杂电磁压制、地形遮蔽、气象突变、多源虚假信息注入，属于战场环境要素。环境污染传感器输入，AI获取失真数据，输出错误态势计算结果；指挥员依托这份结果开展研判、做出决策；人机行动随之改变战场态势，新的环境反馈再次输入系统，形成恶性激荡循环。

单纯依靠AI自主作战时，一旦感知失效，没有“人”介入校准意图，整个作战体系就会失去方向。
风险2：人机参照行为带来权限漂移，自主边界在持续交互中失控
人机协同存在参照行为增强机制，机器持续学习、参照指挥员的操作序列、决策偏好，动态调整自主权限。

正常态势下，放权给AI执行常规侦察、巡逻、跟踪任务，提升体系效率；但在高强度对抗、信息模糊的极端条件下，若缺乏动态收权机制，AI可能参照人过往的作战行为，悄悄扩大自主行动边界，出现超出顶层作战意图的自主打击行为。

AI没有价值约束，它只会模仿行为，无法理解行为背后的战略取舍。
风险3：过度依赖AI造成人的算计能力退化，体系失去兜底核心
智能化建设中容易出现“以机代人”的路径依赖。指挥员长期习惯于直接采信AI给出的方案，慢慢弱化自身态势思辨、风险权衡、非常规博弈算计能力。

当极端条件到来：通信中断、算力损毁、模型失效，AI退出。此时如果人的研判、临场博弈能力已经退化，整个军事体系就失去最核心的决策主体，基础博弈能力直接断裂。
机器可以替代人的计算，但无法替代人的算计；长期放弃算计训练，等于抽空人机环境系统的核心支柱。
风险4：体系内“人、机、环境”迭代速度错位，放大系统失稳风险
AI软硬件迭代速度极快，而人的作战思维、指挥条令、编制体制、战场规则（环境）更新缓慢。三元要素演化节奏不一致，在持续激荡过程中会不断产生矛盾。新的无人装备、AI算法投入部队，但配套指挥流程、人机权责边界、应急处置预案没有同步跟上。平时看似顺畅的体系，在极端对抗冲击下，矛盾集中爆发。
三、极端条件下，维持军事体系基础博弈能力的核心路径
极端条件，包括强电磁攻击、大范围通信拒止、算力节点被毁、传感器大规模失效、敌方非对称创新战术突袭。此时AI能力大幅衰减甚至瘫痪，维持基础博弈能力，不能寄希望于AI完全自主，而要从人机环境体系层面构建多层兜底机制。
1. 坚持计算与算计分工，守住“人掌握意图，机器负责推演”的底层架构
把确定性、海量、重复性的态势计算、航迹规划、目标跟踪交给AI；作战意图、战略取舍、重大行动的最终决策权，必须保留于人。

人机权限遵循动态调控机制：态势清晰、低风险场景，适度放权给AI自主运行；一旦出现信息模糊、对抗升级、达到预设风险阈值，系统自动收权，强制转入人主导决策模式，切断恶性激荡链条。
2. 构建多冗余、非完全依赖AI的异构人机协同链路
体系不能单点绑定大模型、中央算力节点。要建设异构多路径感知与指挥链路：AI智能节点、传统自动化装备、人工简易指挥手段并行共存。

当AI算力被摧毁、通信断连，系统能够降级运行，快速切换至“人+简易装备”的低技术基线模式。人机环境系统不是越智能越好，而是具备弹性，可在不同智能层级之间降级生存，保留最基础感知、决策、打击能力。
3. 保留并常态化训练人的“算计”能力，作为整个体系的终极备份
人机体系中，人才是最核心的备份单元。要常态化开展无AI辅助的纯人工指挥对抗演练，模拟极端条件下AI失效场景，训练指挥员在信息残缺、噪声巨大、时间紧迫条件下的意图判断、风险权衡、临场博弈算计能力。

不能所有演习都依托AI仿真推演。人的算计能力，是整个智能化军事体系最后的压舱石。
4. 监测人机环境交互激荡，建立风险预警与恶性循环阻断机制
建立系统层面监测，不只监测AI模型准确率、算力负载，更监测人机交互行为、权限变化、战场态势的连锁演化。识别恶性激荡苗头：比如虚假态势持续输入、AI输出持续偏离、人机决策互相放大错误。一旦识别到风险闭环，能够及时干预、重置人机交互状态，避免局部故障演变为体系崩溃。
5. 战术层面预留非标准化博弈空间，适配分布外突发对抗
AI擅长应对剧本化、可预期对抗。极端博弈往往充满意料之外的战术创新。在体系设计上，不能把全部作战流程固化为AI可执行脚本，保留一线人员临场自主筹划空间。利用人的算计，在分布外场景下生成创造性博弈策略，弥补AI分布外泛化能力短板。
结语

AI不是军事智能的全部，它只是人机环境体系中负责计算的一环。AI有其固有的技术边界，它不具备意图与价值判断能力；在战场对抗的三元激荡中，它的局限会被对抗环境持续放大，带来体系失控、能力退化等深层风险。

极端条件下，智能化军事体系博弈能力的底线，不在于AI能自主打赢多少战斗，而在于这套人机环境系统能否在AI受损、环境剧变时，依然保证人的算计能够有效调度残存机器、适应突变战场，维持基础博弈。军事智能化的目标，不是打造脱离人的自主机器，而是构建一套人、机、战场环境协同激荡，计算与算计耦合、具备弹性降级能力的人机环境作战体系。AI能计算万千预案，却无法权衡生死取舍；军事体系真正的抗毁能力，藏在人机环境三元耦合的弹性之中，而非AI单机的性能上限。

军事智能化的核心误区，在于将机器智能等同于体系智能、将计算能力等同于博弈能力、将算法最优等同于战场制胜。从人机环境系统智能理论审视，人工智能存在机理性、结构性、不可逾越的技术边界：擅长确定性数值计算，缺失不确定性价值算计；擅长分布内最优拟合，缺失开放环境创造性博弈。

在人机环境三元持续激荡的战场闭环中，AI局部缺陷可被持续放大为体系风险，诱发感知崩塌、决策失控、权限漂移、能力退化、体系失稳等深层危机。极端高强度对抗、信息拒止、系统受损条件下，智能化军事体系的生存力与博弈底线，不取决于AI的性能上限，而取决于人机三元耦合的系统韧性、计算与算计的动态平衡、可降级的冗余架构、永不缺失的人类核心博弈能力。

未来智能化军事建设，必须跳出“唯技术、唯算法、唯算力”的单向范式，转向人机环境一体化、计算算计双驱动、智能增效+底线保底并重的系统建设范式，在充分释放AI作战效能的同时，守住战争博弈的人类主体性底线，构建常态高效、极端可存、全局可控、长期可靠的新一代智能化军事作战体系。